期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于双向GRU和CNN的药物相互作用关系抽取 被引量:3
1
作者 龚乐君 刘晓林 +1 位作者 高志宏 李华康 《陕西师范大学学报(自然科学版)》 CAS CSCD 北大核心 2020年第6期108-113,共6页
不同药物由于药效动力学和药代动力学的差异可能会产生不可预知的副作用,甚至威胁患者的生命安全。在信息技术飞速发展及指数级生物医学文献增加的背景下,从文本中提取药物相互作用成为可能,为此本文提出一种基于双向门控循环单元(GRU)... 不同药物由于药效动力学和药代动力学的差异可能会产生不可预知的副作用,甚至威胁患者的生命安全。在信息技术飞速发展及指数级生物医学文献增加的背景下,从文本中提取药物相互作用成为可能,为此本文提出一种基于双向门控循环单元(GRU)和卷积神经网络(CNN)相融合的双层药物关系抽取模型,使用DDIExtraction2013作为数据集进行多组实验评估,实验结果获得最高75%的综合测评率;与其他方法相比较,基于双向GRU和CNN的双层模型可以有效地抽取文本中的药物相互作用关系。 展开更多
关键词 药物相互作用 生物医学关系抽取 药物关系抽取 门控循环单元 卷积神经网络
下载PDF
LncRNA与疾病关系的知识图谱构建 被引量:2
2
作者 龚乐君 杨璐 +1 位作者 高志宏 李华康 《山东大学学报(工学版)》 CAS CSCD 北大核心 2021年第2期26-33,共8页
基于长链非编码核糖核酸(long non-coding RNA, LncRNA)和疾病关系的分析,对LncRNA和疾病知识概念建模,提出一种有效的LncRNA与疾病关系的知识图谱构建方法。使用Protégé构建本体结构,建构概念层,整合结构化与非结构化两种不... 基于长链非编码核糖核酸(long non-coding RNA, LncRNA)和疾病关系的分析,对LncRNA和疾病知识概念建模,提出一种有效的LncRNA与疾病关系的知识图谱构建方法。使用Protégé构建本体结构,建构概念层,整合结构化与非结构化两种不同来源的数据形成数据层,通过资源描述框架(resource description frame, RDF)/网络本体语言(web ontology language, OWL)技术对数据及相应的关系进行描述,采用基于前向推理的产生式规则进行相应的知识推理,通过SPARQL查询语言和可视化技术展示知识查询的推理效果。这一研究将为LncRNA与疾病的关系研究提供参考,推动该领域的发展。 展开更多
关键词 LncRNA 知识表示 LncRNA-疾病关联 知识图谱 本体
原文传递
基于双向GRU神经网络的医学文本PICO成分识别
3
作者 龚乐君 姚凌峰 +1 位作者 高志宏 李华康 《陕西师范大学学报(自然科学版)》 CAS CSCD 北大核心 2021年第1期14-21,共8页
针对传统机器学习模型在识别PICO(population/problem,intervention,comparison and outcome)成分时存在特征提取不充分的问题,本文提出了一种自动识别医学文本中PICO成分的GRUCM模型,该模型融合了双向门控循环单元(bi-bated recurrent ... 针对传统机器学习模型在识别PICO(population/problem,intervention,comparison and outcome)成分时存在特征提取不充分的问题,本文提出了一种自动识别医学文本中PICO成分的GRUCM模型,该模型融合了双向门控循环单元(bi-bated recurrent unit,BiGRU)神经网络和条件随机场(conditional random field,CRF)的优点,不仅能改善传统机器学习模型存在的特征抽取不足的问题,而且可以同时抽取出多个成分,避免创建多个模型而造成的资源浪费。该模型在测试数据上P成分的F 1值为88.24%,I成分的F 1值为80.49%,O成分的F 1值为86.62%,与采用长短期记忆网络(long short-term memory,LSTM)和CRF模型的识别效果进行对比,本文提出的GRUCM模型对PICO成分的识别更有效。 展开更多
关键词 循证医学 GRUCM模型 PICO成分 双向门控循环单元 神经网络
下载PDF
单细胞RNA序列数据的PBMC相关细胞的识别
4
作者 龚乐君 周佘海 +2 位作者 程逸飞 高志宏 李华康 《中国科学技术大学学报》 CAS CSCD 北大核心 2020年第7期1013-1018,共6页
细胞类型鉴定是单细胞RNA测序的主要任务之一.针对整个问题,提出基于随机森林的细胞类型自动识别(automatic identification of cell type based on random forest,AICTRF)方法来识别单细胞测序数据中的细胞类型,该方法使用随机森林分... 细胞类型鉴定是单细胞RNA测序的主要任务之一.针对整个问题,提出基于随机森林的细胞类型自动识别(automatic identification of cell type based on random forest,AICTRF)方法来识别单细胞测序数据中的细胞类型,该方法使用随机森林分类模型进行训练,根据训练的模型进而预测未知的细胞类型.在人类外周血单核细胞(PBMC)测序数据集上训练了随机森林分类模型,利用该模型预测了人类PBMC中B细胞的相关亚型细胞类型.实验结果表明,该方法可以帮助相关研究人员快速而有效地自动识别单细胞测序数据中的细胞类型. 展开更多
关键词 单细胞RNA测序数据挖掘 细胞类型 B细胞亚型 聚类 分类
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部